如何用强化学习训练神经网络玩街头霸王风格的游戏

作者用强化学习训练两个智能体玩类似街头霸王的游戏，发现智能体非常擅长奖励黑客行为。通过引入联盟学习，智能体学会更通用的策略，而非仅针对特定对手。实验展示了强化学习训练中奖励设计的挑战与解决方案。